水文序列ARIMA模型应用中存在的问题与改进方式

摘要：

经典的ARMIA模型应用是对水文过程年际月变化所形成的时序数据进行计算处理,而忽略了水文过程平稳性检验和月际年变化对时序预测结果的影响.本文在对这一问题讨论的基础上,基于聚类提取分类后月份的特征,利用回归分析建立特征量和月水文数据间的关系,通过差分对特征量时序做平稳性处理,使用ARIMA模型按类预测特征量,由此,提出了一种新的挖掘水文时序月际年变化信息的方法,建立了改进的ARIMA模型及预测方法.作者以兰州降水站为例进行了应用验证,研究结果表明,改进后的ARIMA模型的精度要明显高于季节ARIMA模型,其平均残差达到了9.41,预报精度提高了21%,效果十分明显.最后就改进后的ARIMA模型的应用给出了进一步的研究方向.

关键词：水文过程、季节性ARIMA、聚类、回归、降水量

所属期刊栏目：28

分类号：P33(水文科学（水界物理学）)

资助基金：国家科技支撑计划项目2006BAB04A08

在线出版日期：2009-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：166-176